Hark「史上最高」は自己申告、競合Asideも99.0を主張

こんにちは、まさきです。

ヒューマノイドロボットの開発で名を上げた起業家が、最初に世へ送り出したのは鉄の体ではなく、ブラウザの中で航空券を取りフードを注文する代行役でした。ブレット・アドコックの新会社Harkが、初プロダクト「Handoff」をプレビュー公開しています。

Handoffがやるのは、公式APIを持たないサイトでも画面そのものを読み取り、人の代わりにボタンを押し、入力を進めることです。DoorDashでの夕食注文、Unitedでの航空券の比較と予約、通販の返品まで、生活の雑務を丸ごと引き受けると謳います。アドコック本人はXで「史上最高のインターネット操作モデル」だと宣言しました。

ただ、その看板を支える数字はすべてHarkの自己申告で、独立した検証は公開されていません。もう一つ気になるのは、性能の高さより「速さと安さ」を前面に出している構えです。なぜ最高を名乗れる会社が、あえて価格を武器に選んだのか。公式ブログをなぞるだけでは見えないこの一点を、競合の数字と留保まで並べて解きほぐしていきます。

■ 目次

1. アドコックの新会社Harkが放つ「Handoff」

2. DoorDashもUnited予約もHandoffに任せる

3. なぜHarkは性能でなく速度とコストを掲げるのか

4. Harkの「史上最高」主張とAsideの反証

5. まとめ

■ アドコックの新会社Harkが放つ「Handoff」

まず何が起きたのかを整理します。Harkは、Figure AIを率いるブレット・アドコックが立ち上げた新しい会社です。

2026年5月に約7億ドルを調達し、評価額はおよそ60億ドルとされます。日本円にするとおよそ9千億円で、製品を一つも出す前の会社としては、中堅の上場企業がまるごと買える水準です。その最初の答えが、今回のHandoffでした。

公式APIを持たないサイトが相手でも、画面の構造と見た目を解析してクリックや入力を代行します。それがHandoffというブラウザ操作エージェントです。人間がWebサイトをマウスとキーボードでたどるのを、AIがそのまま肩代わりすると考えると近いはずです。

本格的な事前学習を2026年後半に控えたまま、Handoffはいま「次にどこを押すか」を予測するpost-trainedモデルだけで動いています。通常とは順序が逆の作りです。

完成品を磨き上げてから出すのではなく、荒削りのまま世に問います。アドコックらしい速さだと僕は受け取りました。

いつから、いくらで使えるのかを、現時点で分かる範囲でまとめておきます。

• 提供状況: プレビュー（ウェイトリスト受付中。正式提供は2026年夏の終わりまでを予定）

• 対象: ブラウザ上のタスク自動化を求める個人・企業

• 価格: 具体額は未公表（競合モデル比でトークン単価が10分の1未満と主張）

• 日本からの利用: 未公表（デモは米国系サービス中心で、地域の明記なし）

華やかなデモの一方で、使える場所も値段もまだ輪郭の見えない、プレビューという名の予告編。

出典: Hark公式ブログ

■ DoorDashもUnited予約もHandoffに任せる

では、具体的に何を代行してくれるのか。公式が挙げる例は、日常そのものです。DoorDashやUber Eatsでの夕食注文、United・Delta・Americanをまたいだ航空券の価格比較と予約、TargetやWalmartでの買い物、OpenTableの予約、通販の返品手続き、さらにLinkedInで求人候補を調べてメッセージを送るところまで含まれます。

面白いのは、指示が曖昧でも動く点です。デモでは「近所の花屋におまかせでブーケを組ませる」といった、人にお願いするような頼み方に応じたと紹介されています。使う側の手順としては、大きく三つに分かれます。

1. 頼みたいことを、曖昧でよいので言葉で書く（「出張用にいちばん安い便を押さえて」など）

2. Handoffが対象サイトを開き、画面を読み取ってクリックと入力を代行する

3. 出てきた結果（予約内容や注文）を確認して受け取る

出張の多い営業担当の机の上では、この差は小さくありません。フライトを何度も比較し、経費規定に合う便を探し、予約画面を最後まで詰める——その一連を投げられるなら、空いた時間はそのまま商談の準備に回せます。

もっとも、任せられるのは「失敗しても取り返しがつく」範囲からでしょう。どこまで手放して心地よいか、その線引きは人によって変わってくるところです。

出典: Hark公式ブログ

■ なぜHarkは性能でなく速度とコストを掲げるのか

ここでHandoffの戦略がはっきりします。Harkが最前面に置くのは、ベンチマークの高さではなく、速さと安さです。具体的には、GPT-5.5やOpus 4.8といった競合モデルに比べ、トークン単価が10分の1未満で済むと主張しています。

なぜそこを推すのか。答えは、消費者向けの代行ツールの使われ方にあります。

フード注文や航空券探しのような雑務は、一日に何度も、ときに何十回も回すものです。1回あたりが10分の1なら、同じ月の予算で10倍動かせる計算になります。数点のスコア差より、この「気軽に何度も呼べる」感覚のほうが、毎日の道具としては効いてきます。

自分で代行機能を組み込む開発チームの目線だと、この差はそのまま請求書に響きます。ユーザー一人が一日に何十回も呼ぶ前提なら、単価が一桁違うだけで、事業として黒字か赤字かの線が動くからです。

正直に言うと、初プロダクトはとにかく性能ナンバーワンを叫んで出てくると踏んでいました。そこを外して「安くて速い」を選んだのは、アドコックが勝負どころを性能競争ではなく普及速度に置いた、という宣言に見えます。事前学習を後回しにしてまで軽さを取る設計とも筋が通っていて、この賭けが当たるかは、実際の請求額が見えてから答え合わせになりそうです。

出典: VentureBeat

■ Harkの「史上最高」主張とAsideの反証

では、その性能はどれほど確からしいのか。アドコックはXで、Handoffは「独立検証され、史上最高のインターネット操作モデルとしてChatGPT 5.4とOpus 4.8を上回った」と投稿しました。根拠として示されたのが、Online-Mind2Webという人手評価での自己申告スコアです。

ところが、この「史上最高」には競合からの反証があります。別のブラウザエージェントAsideが、同じOnline-Mind2Webでより高い数字を主張しています。

両者を並べると、こうなります。

• Hark Handoff（自己申告）: Online-Mind2Webで97.7

• Aside（自己申告）: 同ベンチで99.0（300問中297問正解）

TechCrunchやVentureBeatは、Harkのベンチはすべて社内申告で独立した再現テストは公開されておらず、比較相手も前世代のフロンティアモデルだと指摘しています。デモ動画もプロセスの一部しか映しておらず有効性は判断できない、という留保付きです。97.7も99.0も、どちらも天井近くの数字ですが、外部の同じ物差しで測り直されるまでは、優劣を語る土台がまだありません。

数字の大きさではなく、その数字を誰が確かめたのかにこそ目を向けたいところです。派手なローンチの陰で、まだ空席のままの検証役。

出典: TechCrunch

■ まとめ: アドコックが賭ける「代行」の現実味

最初の問いに戻ります。なぜ最高を名乗れる会社が、価格を武器に選んだのか。

答えははっきりしています。消費者向けの代行役で勝敗を決めるのは、ベンチマークの自慢ではなく、毎日ためらわず呼べるかどうかだからです。

作って誇るロボットから、気軽に頼める代行へ。彼の重心は、性能の頂点争いから普及の速さへ移っています。

今日できることは小さくて構いません。ウェイトリストに登録しつつ、自分の雑務の中から「任せて失敗しても実害の小さいもの」を一つだけ選んでおきましょう。

判断基準は、やり直しがきくかどうかです。本格的に預けるのは、正式提供と実際の使い勝手を見てからで遅くありません。

追いかけたい変数は二つあります。独立した第三者がこのベンチを測り直すか、そして未公表の実額がいくらで着地するかです。トークン単価の主張が本当なら、雑務を気軽に何度も投げる使い方が現実になり、実務での効き方が大きく変わります。

数字が出たら、この欄で改めて書きます。

ヒューマノイドの前に、まずブラウザの中で航空券を押さえる手つきを見せる——アドコックの回り道が近道だったのかは、この夏の終わりに輪郭を見せてくれるはずです。

最後まで読んでいただき、ありがとうございます。

気になったアップデートや「ここもう少し詳しく」など、何でも気軽にコメントください。フォロー・スキでの応援も、毎日の深掘り記事を続ける励みになります。

それでは、今日も良きAIライフを！